​#ИИ #стартапы

Привет, биохакеры!

Где искать идеи для digital health стартапа? Можете спросить бабушку, но лучше подсмотреть хайпы на Cbinsightes.

Несколько трендов применения искусственного интеллекта (ИИ) в медицине, похищенных с полезного ресурса.

Тренд 1: ИИ используют в практике

FDA всё чаще даёт "добро" на применение устройств с использованием ИИ в ежедневной врачебной практике.

Например, устройство IDx-DR для диагностики диабетической ретинопатии успешно применяют несколько клиник США.

Тренд 2: ИИ используют для выявления атипичных факторов развития болезней

Команда учёных из Google разработала алгоритм определения рисков сердечно-сосудистых заболеваний по фото сетчатки. А ребята из израильского стартапа Beyond Verbal обучили нейронку диагностировать болезни по тембру голоса.

Тренд 3: Фарма охотится на стартапы с ИИ

Охота за стартапами началась с успешного примера сотрудничества Pfizer c китайским стартапом XtalPi. Китайцы в несколько раз повысили скорость выпуска новых препаратов. Вот какие молодцы.

Тренд 4: Медики обучают нейронку

Врачи переквалифицируются в специалистов по обучению нейронки и уходят в стартапы. Так, например, два года назад стартап DeepMind с успехом сотрудничал с продвинутыми врачами из клиники Moorfield's Eye.

Тренд 5: Китай инвестирует в ИИ-стартапы

Наибольшие суммы в развитие ИИ-стартапов вкладывают китайские инвесторы. Это легко объяснить: численность населения Китая растёт, а хороших диагностов ещё найти и обучить надо. Так Infervision, проект по распознаванию МРТ-снимков, привлёк уже более 50 млн долларов от фондов и частных инвесторов.

Энджой! ✌️

Машинное обучение в медицине — набор методов, позволяющих принимать оптимальные диагностические решения, основываясь на анализе больших массивов данных. Например, в случае с классификацией добро- и злокачественных опухолей. В предыдущей статье мы поработали с линейной регрессией. Но задача дифференцировки опухолей имеет и другие способы решения.

Можно выделить ключевые признаки для каждого диагноза и на их основании относить образец к тому или иному типу. Простое и эффективное решение задачи классификации — метод k-ближайших соседей, который мы разберем в новой статье из цикла, посвященному машинному обучению в медицине.

Практическое решение кейса дифференцировки опухолей молочной железы уже на сайте!

#онкология #it #медицинская_кибернетика #медицина #медач #medach #нейросети #ии

#ИИ #хакатон

В Самаре пройдет хакатон по созданию системы принятия поддержки врачебных решений

В Самаре 26-28 ноября пройдет хакатон по созданию решений на основе искусственного интеллекта (ИИ). Его участникам предстоит решить два кейса, один из которых разработан Министерством здравоохранения Российской Федерации.

В хакатоне могут принять участие команды из 2-5 человек с компетенциями в разработке решений на основе ИИ, Data Science и медицине.

Призовой фонд для победителей – 400 тыс. рублей.

Описание задачи

На основании представленных дата-сетов, содержащих анонимизированные данные МИС ФГБУ «НМИЦ им. В. А. Алмазова» Минздрава России за 2019 г, необходимо разработать модель машинного обучения, способную прогнозировать риски летального исхода у пациентов, находящихся на стационарном лечении, и выявлять факторы, коррелирующие с целевым признаком.

Подробности конкурса – на странице мероприятия: https://hacks-ai.ru/hakaton/samara

Регистрация участников: https://lk.hacks-ai.ru/

@medicalksu

⚡️Нобелевская премия по химии 2024 года: достижения в области предсказания структуры белков с помощью ИИ

Нобелевская премия по химии 2024 года присуждена Дэвиду Бейкеру, Демису Хассабису и Джону Джамперу за создание революционных инструментов для предсказания и дизайна белков с помощью искусственного интеллекта. Разработка AlphaFold2, созданная командой Хассабиса и Джампера из DeepMind, произвела революцию в науке, предоставив исследователям возможность предсказывать трёхмерную структуру белков с высокой точностью. Это достижение открывает новые горизонты в биологии и медицине, ускоряя разработку лекарств и вакцин.

Дэвид Бейкер был награждён за работу по созданию новых белков с использованием вычислительных методов. Его подходы позволяют моделировать и разрабатывать новые белки, которые могут быть использованы для создания ферментов, лечения заболеваний и решения экологических проблем.

Открытие AlphaFold2 уже меняет науку, делая предсказания белков доступными "в один клик". Этот инструмент помогает исследователям по всему миру проводить эксперименты, которые были невозможны ещё десятилетие назад.

🔬 Источник: Нобелевская ассамблея Каролинского института​

#нобель #протеомика #alphafold #ИИ #deepmind